Cтраница 1
Необходимые и достаточные условия оптимальности в линейно-квадратичной игре двух лиц / / Аналитические методы синтеза регуляторов / Сарат. [1]
Полученные необходимые и достаточные условия оптимальности позволяют идентифицировать оптимальную точку. В тех случаях, когда целевая функция представляет квадратичную форму, можно, используя полученные условия оптимальности, определить и координаты оптимальной точки. [2]
Получим необходимые и достаточные условия оптимальности в задаче выпуклого программирования на основе теории двойственности. В этом случае изменится только форма необходимых и достаточных условий ( не будут участвовать производные), но предпосылки в обоих случаях одинаковы. [3]
Можно указать достаточно эффективно проверяемые необходимые и достаточные условия локальной оптимальности. На основе этих условий локальный оптимум целевой функции (1.1) на множестве G может быть найден при помощи некоторого конечного ( или бесконечного сходящегося) процесса. [4]
В [90] доказаны следующие необходимые и достаточные условия оптимальности плана двухэтапной задачи с конечным числом реализаций случайного вектора ограничений. [5]
В работе выводятся некоторые необходимые и достаточные условия оптимальности для регулярных и нерегулярных линейных быстродействий. Приводится пример, иллюстрирующий применение достаточных условий к линейному объекту третьего порядка. [6]
К прямым методам вариационного исчисления относятся все методы, которые непосредственно не используют необходимые и достаточные условия оптимальности. Прямые методы основаны на различных формах аппроксимации Y ( Z) некоторой заданной системой функций. [7]
К прямым методам вариационного исчисления относятся все методы, которые непосредственно не используют необходимые и достаточные условия оптимальности. Прямые методы основаны на различных формах аппроксимации Y ( /) некоторой заданной системой функций. [8]
С того времени, как Кун и Таккер ( 1951) впервые рассмотрели необходимые и достаточные условия оптимальности в задачах с ограничениями, было предложено немало различных условий регулярности. При этом множители Лагранжа К определяются однозначно. [9]
Анализ результатов пункта 2.2. Точное решение матричных интегральных уравнений для помех общего вида и задающих необходимые и достаточные условия оптимальности стратегии объекта Р не удается. Поэтому для получения точного решения в данном параграфе рассмотрен практически важный случай, когда аддитивная и мультипликативная помехи аппроксимируются белыми шумами. [10]
В главах 20 и 21 подробно изучается вторая вариация в задачах оптимального управления и выводятся необходимые и достаточные условия оптимальности второго порядка как для регулярных, так и для особых экстремалей. [11]
Материал [9] дополняют параграфы 2 и 3 приложения [28], в которых выведены матричные интегральные уравнения, задающие необходимые и достаточные условия оптимальности стратегий объекта Р, и решено матричное интегральное уравнение, задающее необходимое и достаточное условие оптимальности МИПФ Кд ( г г) в случае расширенного первого функционала сложности. [12]
Таким образом, оптимальная линейная оценка со сдвигом у дх а ( линейная средняя квадратическля регрессия) определяется уравнением (9.14) и формуле (9.15), которые представляют собой необходимые и достаточные условия оптимальности. [13]
Следует отметить, что при линейной зависимости стоимости теплообменника от поверхности Цт AF и при равенстве коэффициентов теплопередачи / Ст Для всех теплообменников эти эвристические правила переходят в необходимые и достаточные условия оптимальности. На основании эвристических правил на энтальпий-ной диаграмме для элемента площади холодных потоков подбирается равновеликий элемент площади горячих потоков так, чтобы теплообмен был термодинамически возможен. Иными словами, все равно решается комбинаторная задача, но относительно подбора не пар потоков, а пар элементов площадей на энтальпийной диаграмме. Таким образом, можно считать графический подход комбинаторным, причем решение комбинаторной задачи выполняется на основании эвристических правил. [14]
Таким образом, оптимальная линейная оценка со сдвигом У ех а ( линейная средняя квадратическая регрессия) определяется уравнением ( 14) и формулой ( 15), которые представляют собой необходимые и достаточные условия оптимальности. [15]